Enfin le droit d'utiliser les modèles d'IA de frontière^* sur vos vrais dossiers.

ndaact.ai s'installe sur votre poste et s'occupe de ce que vous envoyez à ChatGPT ou Claude. Il repère les données personnelles d'un texte (nom, adresse, NIR, IBAN, SIRET, e-mail, données de santé), les remplace par des marqueurs avant l'envoi, puis remet les vraies valeurs dans la réponse. Vous travaillez avec le modèle de votre choix sans lui confier les secrets de vos clients.

La détection et le remplacement se font sur votre machine. Vos prompts et vos documents ne passent par aucun serveur ndaact.ai ; le compte client est traité à part, voir la politique de confidentialité. Le texte part ensuite vers le fournisseur du modèle, avec des marqueurs à la place des entités détectées. Sans la table de correspondance, qui reste sur votre poste, il n'a aucun moyen raisonnable de retrouver les identités de ces entités. Une entité non détectée reste en clair : la détection aide à protéger vos données, sans garantir que chaque entité soit trouvée.

Les trois mots recouvrent des réalités différentes, et la nuance compte pour un DPO comme pour un avocat. Ce qui décide, c'est ce que vous échangez réellement avec l'IA.

Sur le plan technique, ndaact.ai réalise une pseudonymisation côté client au sens de l'article 4(5) du RGPD : chaque donnée détectée devient un marqueur, et la table qui permet de revenir à la valeur d'origine reste sur votre machine. L'opération est réversible pour vous, puisque c'est elle qui vous rend la réponse lisible ; de votre côté, les données restent donc des données personnelles. Employer le mot « anonymisation » pour votre poste serait inexact.

Le détail juridique (arrêt de la CJUE, limite sur les identifiants indirects) figure plus haut, dans le bloc « Ce que dit le droit ».

Définitions, textes et limites : le guide anonymisation, pseudonymisation, dé-identification.

ndaact.ai limite ce que le fournisseur du modèle reçoit. Il remplace les données détectées par des marqueurs sur votre poste, où reste la table de correspondance. Chaque détection est journalisée localement pour votre registre de traitement (article 30 du RGPD). Comme seules les entités détectées sont remplacées, relisez le texte avant l'envoi et vérifiez ce que votre déontologie permet de transmettre à un prestataire. ndaact.ai vous aide dans cette démarche, sans la garantir.

Un filtre à motifs ne voit que les formes fixes : e-mail, IBAN, numéro. Il ne lit pas le texte et laisse passer un nom de personne, une raison sociale ou une adresse glissés dans une phrase ordinaire. ndaact.ai combine ces règles avec un modèle de langage spécialisé qui tourne en local et repère aussi ces entités-là.

Exemple : « Le dossier de Mme Sophie Laurent, gérante de la SCI des Tilleuls domiciliée 12 rue de la Paix à Lyon, concerne… ». Aucun motif ne signale un nom de personne, une raison sociale ou une adresse dans une phrase ordinaire. C'est exactement ce qu'un filtre à motifs, gratuit ou payant, envoie en clair au modèle.

Oui. Le remplacement par des marqueurs est réversible : ndaact.ai remplace chaque donnée par un marqueur avant l'envoi, puis reconstitue la réponse à l'arrivée. Vous récupérez un texte complet, avec les vraies valeurs à leur place, alors que le modèle reçoit des marqueurs à la place des entités détectées.

Toute personne ou équipe qui doit désidentifier des données avant de les envoyer à une IA. Les professions tenues au secret sont le premier cas : avocats (dossiers, conclusions, mises en demeure), notaires (actes, états civils, données patrimoniales) et médecins libéraux (comptes rendus, données de santé). S'y ajoutent les DPO et consultants qui encadrent les usages internes de l'IA générative, les équipes sécurité et conformité, et tout professionnel qui manipule des fichiers clients.

Sur les assistants du navigateur (ChatGPT sur chatgpt.com, Claude sur claude.ai) via une extension Chrome et Edge, et sur le reste de votre poste via une application de bureau pour macOS et Windows. Vous gardez votre outil habituel ; le caviardage se fait à l'envoi.

Nos modèles de détection partent d'une base volontairement stricte : en cas de doute, ils caviardent. Un mot caviardé pour rien se voit et ne fait sortir aucune donnée, alors qu'un nom de client manqué part en clair chez le fournisseur d'IA. Les modèles sont ré-entraînés régulièrement, et vous pouvez signaler un caviardage raté depuis l'application ou l'extension : le guide du caviardage strict et du signalement.